arXiv · 机器人与计算机视觉· Wencheng Ye, Anning Hu, Hongye Fang, Tianyi Wang, Junchi Yan·· 27 天前AI 评分74
Loop to Look Better:面向问答引导感知的自适应深度学习
Loop to Look Better: Learning Adaptive Depth for Question-Guided Perception in Vision-Language Models
AI 导读
论文提出 LoopLook,一种轻量级编码器侧循环感知框架,为预训练视觉语言模型赋予自适应视觉深度。该方法通过循环重访视觉编码器中段至后段窗口并注入问题表征来引导视觉细化,利用学习到的停止机制自适应决定循环深度,并通过 Token 级混合视角(MoL)组合不同循环的表征。
来源:arXiv · 机器人与计算机视觉 · arxiv.org